Найти

Результаты поиска

• ФОРМИРОВАНИЕ ПАРАМЕТРОВ ИСТОЧНИКОВ ИНФОРМАЦИИ НЕЙРОЛИНГВИСТИЧЕСКОЙ ТЕКСТОВОЙ ИДЕНТИФИКАЦИИ

  К.Е. Румянцев , В. В. Котенко , Л.К. Хаджиева

  173-188

  2026-07-07

  Аннотация ▼

  Исследуется метод нейролингвистической текстовой идентификации, направленный на анализ и верификацию источников информации, включая тексты, сгенерированные системами искусственного интеллекта. Анализируются состояния информации текста китайского произведения автора Ло Гуань-чжун «Троецарствие» в трех вариантах: оригинальный текст, а также состояние текста, полученного с помощью генерации системами искусственного интеллекта Gemini и GPT. Целью исследования является формирование и обоснование параметров для применения в качестве факторов идентификации сгенерированного текста, а также формирование 3D-образов нейролингвистической текстовой идентификации источников информации. Используется специализированный программный комплекс «Анализатор нейролингвистической текстовой идентификации», осуществивший обработку текстовых данных на основе горизонтальной и вертикальной развертки нейролингвистических информационных кадров. В результате сформированы информационные спектры, количественные характеристики (информационная емкость, энтропия, избыточность) и нейролингвистические информационные 3D-образы нейролингвистических кадров текстовой информации китайского произведения. Сравнение уровней идентичности информационных нейролингвистических 3D-образов источника текстовой информации нейролингвистических информационных кадров показывают, что максимальный уровень идентичности наблюдается при сравнении текстов нейролингвистических информационных кадров оригинального текста, а минимальный уровень идентичности наблюдается при сравнении оригинального текста с текстом, сгенерированным с помощью систем искусственного интеллекта. Полученные результаты показывают значимые различия между параметрами нейролингвистических информационных кадров оригинального текста и параметрами текста, сгенерированного системами искусственного интеллекта как по количественным характеристикам текста, так и по характеристикам нейролингвистических информационных 3D-образов. Установлено, что нейролингвистические информационные 3D-образы текстов, созданных системами искусственного интеллекта, обладают более гладкой структурой визуального представления и отличным цветовым распределением по сравнению с нейролингвистическими 3D-образами оригинального текста. Практическая значимость исследования заключается в применении подхода, позволяющего определять сгенерированный текст и верифицировать источники информации. Полученные результаты открывают перспективы для работы и дает возможность реализовывать проекты и создавать программные комплексы способные обнаруживать сгенерированный текст.

• АНАЛИЗ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА, ПРИМЕНЯЕМЫХ ДЛЯ РЕШЕНИЯ ЗАДАЧ ПСИХИАТРИИ

  Е. С. Подоплелова

  2022-05-26

  Аннотация ▼

  Использование методов искусственного интеллекта в области медицины получило
  широкое распространение, помогая диагностировать, анализировать и давать рекоменда-
  ции по лечению. Психиатрия – это область медицины, изучающая психические расстрой-
  ства, методы их диагностики и лечения. В спектр ее задач входит не только диагностика
  и лечение, но также наблюдение, мониторинг и последующая реабилитация пациентов.
  Эта предметная область имеет существенные проблемы, такие как объективность, про-
  тиворечивость диагноза, сложность классификации болезней, непредсказуемость течения
  заболевания. С рядом этих проблем помогает справиться использование методов машин-
  ного обучения и алгоритмы искусственного интеллекта. Данная работа посвящена обзору
  исследований методов искусственного интеллекта, применяемых для решения задач в об-
  ласти психиатрии. Актуальность темы обусловлена высокой потребностью данной пред-
  метной области в улучшениях. Конкретные проблемы представлены в данной статье.
  Среди них были выделены основные направления: деидентификация данных, классификация
  тяжести симптомов, точность прогнозирования состояния. Для их решения авторами
  были применены такие методы как латентный семантический анализ для обработки ес-
  тественного языка, методы классификации, сверточные нейронные сети для прогнозиро-
  вания, когнитивное моделирование. Отдельно отмечена эффективность гибридных сис-
  тем, включающих реализацию сразу нескольких метолов машинного обучения. Целью ис-
  следования было выделить основные направления развития исследований научного сообще-
  ства, которые демонстрируют успешную интеграцию искусственного интеллекта в пси-
  хиатрию, а также сравнение их между собой по полученным оценкам точности моделей.
  Что, в свою очередь, подразумевает разбор и анализ конкретных алгоритмов, их произво-
  дительность для конкретных задач.